Konkurssin ennustaminen urheilutoimialalla z-lukujen avulla : tapaustutkimus: Pallohonka Oy ja Jääkiekko Espoo Oy

(1)

LUT-kauppakorkeakoulu

Kauppatieteiden kandidaatintutkielma Talousjohtaminen

Konkurssin ennustaminen urheilutoimialalla Z-lukujen avulla - Tapaustutkimus: Pallohonka Oy ja Jääkiekko Espoo Oy

Bankruptcy Prediction with Z-scores in the Sports industry - Case study: Pallohonka Oy and Jääkiekko Espoo Oy

19.11.2019 Tekijä: Antti Lehikoinen Ohjaaja: Satu Pätäri

(2)

Tekijä: Antti Lehikoinen

Tutkielman nimi: Konkurssin ennustaminen urheilutoimialalla Z-lukujen avulla - Tapaustutkimus: Pallohonka Oy ja Jääkiekko Espoo Oy Akateeminen yksikkö: LUT-kauppakorkeakoulu

Koulutusohjelma: Kauppatieteet, Talousjohtaminen Ohjaaja: Satu Pätäri

Hakusanat: konkurssin ennustaminen, urheilutoimiala, Z-luku, tilinpäätös

Tämän tutkimuksen tavoitteena on selvittää, miten Altmanin Z-luku tai siitä suoraan johdetut kolme menetelmää Prihtin Z-luku, Sharman ja Mahajanin kriisitunnusluku ja Erkki K. Laitisen kolmen muuttujan Z-luku soveltuvat konkurssin ennustamisen mal- leiksi, kun aineistona käytetään suomalaisia urheilutoimialalla toimivia osakeyhtiöitä.

Tutkimuksen pohjana on käytetty kahden konkurssiin menneen yrityksen tilinpäätös- tietoja kolmelta viimeiseltä vuodelta ennen konkurssia. Yritysten tilinpäätöksiin ei ole tehty tilinpäätösoikaisuja. Tutkimuksessa, joka tähtää konkurssien ennustamiseen, on käytetty monia metodeja. Niistä eniten käytetty ja tutkittu on ollut erotteluanalyysi, jossa erotellaan yhtiöt konkurssi- ja toimivien yhtiöiden luokkiin yhden tai usean tilinpäätös- tiedoista lasketun tunnusluvun avulla. Työssä käytetyt mallit edustavat kyseistä tutki- mussuuntausta. Nämä mallit sisältävät kahdesta viiteen tilinpäätösinformaatiosta joh- dettua tunnuslukua, joista menetelmien konkurssitunnusluvut muodostuvat. Jokaisella mallilla on omat kertoimensa tunnusluvuille.

Tutkimuksen tulosten perusteella voidaan todeta, että kaikkien työssä käytetyiden mallien avulla pystyttiin melkein aina luokittelemaan yhtiöt oikein luokkaan konkurssiyhtiö yhdestä kolmeen vuotta ennen konkurssia. Ainut yhden yhtiön väärin luokitellut malli oli Sharman ja Mahajanin kriisitunnusluku, joka luokitteli Pallohonka Oy:n toimivaksi yhtiöksi vuosi ennen konkurssia. Vaikka Jääkiekko Espoo Oy luokiteltiin kaikkien mallien avulla oikeaan luokkaan, niin Z-luvun käyttöön, kuten kaikkiin tilinpäätösinformaa- tiota käyttäviin malleihin, tulisi suhtautua varauksella, sillä mallit ovat herkkiä kirjanpi- don virheille ja manipuloinnille. Mallien käyttöä puoltaa kuitenkin se, että niiden käyttö on helppoa. Tämän takia niiden käyttöä varoitusmekanismina yhtiöiden rahoitusongelmista tulisi edistää.

(3)

ABSTRACT

Author: Antti Lehikoinen

Title: Bankruptcy Prediction with Z-scores in the Sports industry - Case study: Pallohonka Oy and Jääkiekko Espoon Oy

School: School of Business and Management

Degree programme: Business Administration, Financial Management Supervisor: Satu Pätäri

Keywords: bankruptcy prediction, Z-score, sports industry, financial statement

The aim of the bachelor’s thesis is to examine whether Altman’s Z-score or three models derived from it; Prihti’s Z-score, Sharman’s and Mahajan’s crisis model, Erkki K.

Laitinen’s Z-score can predict correctly company failures. The data is collected from financial statements of two Finnish companies, that operate on the field of sports industry, one to three years before insolvency. The Financial statement used have not been adjusted. There are several methods used in the field of bankruptcy prediction.

The most widely used and studied method has been discriminant analysis, which allo- cates companies into two groups Bankrupt firms and Non-Bankrupt Firms using one or more financial ratios. Altman's Z-score and revised models Z' and Z'', as well as Prihti’s Z-score, Sharman’s and Mahajan’s crisis model and Erkki K. Laitinen’s Z-score represent this prediction method. These models combine two to five financial ratios to form a result called bankruptcy prediction score or Z-score. Each model has also its own coefficients variables for the ratios.

According to results of the study, all methods used can predict business failure one to three years before company’s bankruptcy. The only model that classified wrongly Pallohonka Oy as a Non-Bankrupt Firm a year before business failure was Sharman’s and Mahajan’s crisis model. Although all models could classify Jääkiekko Espoo Oy as a Bankrupt firm, one should be cautious when Z-score or other Financial Statement based business failure methods are used. This is because these kinds of methods are sensitive for errors or wrongdoings in accounting. On the other hand, these models are easy to use, so using them as a warning system of financial distress is a good idea.

(4)

1. JOHDANTO ... 1

1.1. Tutkimusongelmat, sekä tavoitteet ja rajaukset ... 2

1.2. Aineisto ja tutkimusmenetelmä ... 3

1.3. Tutkimuksen rakenne ... 4

2. KONKURSSIN ENNUSTAMINEN JA SEN HAASTEET ... 6

2.1. Konkurssin määritelmä ... 8

2.2. Altmanin Z-luku ja siitä johdettuja konkurssin ennustamisen menetelmiä ... 10

2.2.1. Altmanin yhdistelmäluku ... 10

2.2.2. Aatto Prihtin Z-luku ... 13

2.2.3. Sharman ja Mahajanin kriisitunnusluku ... 15

2.2.4. Erkki K. Laitisen kolmen muuttujan Z-luku ... 16

2.3. Menetelmiä kohtaan esitetty kritiikki ja ennustamisen haasteet ... 17

3. AINEISTO JA TUTKIMUSMENETELMÄT ... 18

3.1. Aineiston kerääminen ... 18

3.2. Aineiston kuvailu ... 19

3.3. Toimialan kuvaus ... 22

4. Z-LUVUN JA SIITÄ JOHDETTUJEN MENETELMIEN TESTAUS ... 23

4.1. Altmanin Z-luku ... 23

4.2. Prihtin Z-luku ... 24

4.3. Sharman ja Mahajanin kriisitunnusluku ... 25

4.4. Laitisen Z-luku ... 26

5. YHTEENVETO JA JOHTOPÄÄTÖKSET ... 28

LÄHDELUETTELO ... 31

LIITTEET

Liite 1: Pallohonka Oy:n tilinpäätös 2012 Liite 2: Pallohonka Oy:n tilinpäätös 2013 Liite 3: Jääkiekko Espoo Oy:n tilinpäätös 2014 Liite 4: Jääkiekko Espoo Oy:n tilinpäätös 2015

(5)

LYHENNELUETTELO

DA Erotteluanalyysi (Discriminant Analysis)

HIP HIP-tutkimus (Human Information Processing) KL Konkurssilaki (120/2004)

LA Logit-analyysi (Logit Analysis) NN Hermoverkot (Neural Networks) PA Probit-analyysi (Probit Analysis) PRH Patentti- ja rekisterihallitus

RA Regressioanalyysi (Regression Analysis)

RPA Rekursiivinen osittaminen (Recursive Partitioning Algorithm) SA Eloonjäämisanalyysi (Survival Analysis)

UA Yksittäiset tunnusluvut (Univariate Analysis)

(6)

1. JOHDANTO

Viime vuosina julkisuudessa esillä olleet urheiluseurojen konkurssit herättävät mielenkiinnon ja kysymyksen siitä, olisiko näitä konkursseja voinut ennustaa. Konkurssi on yrityksen lopettamisen muodoista usein raskain. Se koskettaa yrityksen itsensä lisäksi kaikkia sen sidosryhmiä, kuten asiakkaita, velkojia, omistajia ja työntekijöitä. Kun on kyse urheiluseuroista konkurssi koskettaa myös suurta yleisöä, eli katsojia ja heistä erityisesti aktiivisimmin toiminnassa mukana olevia henkilöitä, ns. ”faneja”.

Konkurssin seurauksena on aina tappioita, niin taloudellisia kuin yhteiskunnallisiakin.

Erityisesti se, että konkurssin seurauksena menetetään tuloja useilla eri tasoilla, valtio verotuloja, rahoittajat sijoitustuloja, sekä työntekijät palkkatuloja, tekevät konkurssista aiheutuvat tappiot todella merkityksellisiksi. Näiden seikkojen seurauksena konkurssin mahdollisimman aikaiseen havaitsemiseen on haluttu kehittää erilaisia konkurssin ennustamisen menetelmiä. (Laitinen 1990, 7; Wu 2010, 2371)

Siihen miten moni yritys joutuu turvautumaan konkurssimenettelyyn, vaikuttavat esimerkiksi seuraavat viisi tekijää: lainsäädäntö, yritysten perintäpolitiikka, toimiala, ra- hoituskäyttäytyminen ja makrotaloudelliset tekijät. Tärkeimpinä konkurssien määriin vaikuttavina tekijöinä voidaan pitää talouselämää kuvastavia makrotaloudellisia olo- suhteita, sillä ne selittävät usein suurimman osan konkurssimäärien vaihteluista. Mak- rotaloudelliset tekijät siis määrittelevät olosuhteet, joissa yritykset joutuvat toimimaan.

Sen vuoksi yhtiön kriisivaaran arvioinnissa on tärkeää huomioida muutokset näissä olosuhteissa. On väärin mieltää konkurssi vain negatiiviseksi tapahtumaksi, koska, kun yritys joutuu lopettamaan toimintansa, se antaa tilaa uusille, tehokkaammille yrityksille.

Tämän takia konkurssista voidaankin joissain tapauksissa ajatella olevan hyötyä. Näin siis kriisiyritykset saadaan poistumaan markkinoilta, koska ne eivät ole riittävän tehokkaita pysyäkseen mukana kilpailussa. (Laitinen & Laitinen 2004, 18, 43−44)

(7)

2

1.1. Tutkimusongelmat, sekä tavoitteet ja rajaukset

Tutkimuksen tarkoituksena on tarkastella kahta yritystä, jotka ovat ajautuneet konkurssiin ja toimivat toimialalla 931 Urheilutoiminta (TOL 2008). Työssä selvitetään, voidaanko tämän alan yhtiöiden konkursseja ennustaa yleisesti saatavilla olevien tietojen avulla. Konkurssin ennustamiseen on olemassa useita malleja. Tarkoituksena on siis tutkia, miten nämä mallit sopivat valittujen yritysten konkurssien ennustamiseen. Kiin- nostavaa on myös, voidaanko menetelmiä käyttää arvioitaessa kansallisen pääsarja- tason urheiluseurojen taloudellisia edellytyksiä liigalisenssejä myönnettäessä, eli voitaisiinko niiden avulla paljastaa seuroja, joilla on riski joutua konkurssiin. Monet urhei- luseurat ovat jatkuvasti sellaisessa taloudellisessa tilassa, että ne joutuisivat konkurssiin ilman omistajiensa tai tukijoidensa panostuksia. Voitaisiinko tunnuslukuja käyttää konkurssien ennaltaehkäisyyn esimerkiksi niin, että kun tunnuslukujen avulla riskiseu- rat olisi havaittu, ne voitaisiin velvoittaa selvittämään, kuinka suuri panostus tarvitaan, jotta konkurssi voidaan välttää, ja esittämään suunnitelmansa siitä, miten tämä hoide- taan.

Tutkimusongelmat voidaan tiivistää seuraaviin kolmeen kysymykseen:

Päätutkimusongelma:

• Miten Z-luku ja siitä suoraan johdetut konkurssin ennustamisen menetelmät soveltuvat urheilutoimialan yhtiöiden konkurssiriskin arvioimiseen?

Alatutkimusongelmat:

• Mikä valituista konkurssin ennustamisen menetelmistä soveltuu parhaiten urheilutoimialan yhtiöiden konkurssiriskin arvioimiseen? Ja miksi?

(8)

Tutkimus on pääsääntöisesti rajattu tarkastelemaan ongelmaa suomalaisessa viiteke- hyksessä, ottaen kuitenkin huomioon tärkeimpien kansainvälisten artikkelien ja tutkimusten vaikutukset aiheeseen. Tutkimus rajoittuu vain urheilutoimialan yhtiöihin. Jotta tilinpäätösaineisto olisi helposti saatavilla, rajattiin tutkimus koskemaan vain osakeyh- tiöitä, sillä niillä on velvollisuus toimittaa tilinpäätös patentti- ja rekisterihallitukselle.

Empiriaosuudessa rajoitutaan myös vain Altmanin Z-lukuun ja siitä johdettuihin konkurssin ennustamisen menetelmiin, vaikka teoriaosuudessa käydään myös muita me- netelmiä läpi. Muitakin menetelmiä on haluttu selvittää, jotta valinnan mielekkyys on voitu perustella ja varmistaa. Altmanin Z-luku valittiin, koska se on yksi merkittävim- mistä konkurssin ennustamisen menetelmistä, sitä on tutkittu paljon ja se on helppo- käyttöinen. Z-luvusta on johdettu useita kymmeniä malleja, mutta keskitymme tässä tutkimuksessa niistä suomalaisessa tutkimuksessa yleisimmin käytettyihin. (Bellovary et al. 2007)

Yritysten taloudellisesta tilanteesta on nykyisin saatavilla paljon tietoa. Se johtuu uu- sien tietolähteiden ja avoimuuden periaatteen lisääntymisestä. Tämä on lisännyt kiin- nostusta yritysten taloudellisen tilan analysointiin ja niin ikään konkurssien ennustamiseen. Konkurssin ennustaminen on haastavaa, mutta siitä voi olla hyötyä monille eri tahoille, esim. rahoittajille, työntekijöille ja toimintaa ohjaaville tahoille. Esimerkiksi jal- kapallossa tällainen toimintaa ohjaava taho on Veikkausliiga, joka myöntää liigalisens- sit joukkueita hallinnoiville yhteisöille. Yhtenä tärkeänä arviointiperusteena liigalisens- siä myönnettäessä on se, pystyykö yhteisö taloudellisesti viemään läpi Veikkausliiga kauden. Tämän takia tunnuslukujen käytön hyödyllisyyden selvittäminen on veikkaus- liigan seurojen suhteen erityisen kiinnostavaa.

1.2. Aineisto ja tutkimusmenetelmä

Tämän tutkimuksen tavoitteena on selvittää, miten kirjallisuuden perusteella käyttökel- poisimmiksi havaitut konkurssin ennustamisen menetelmät soveltuvat urheilutoimialan yritysten konkurssien ennustamiseen. Urheilutoimiala valittiin, koska sen alan konkurssit ovat olleet viime vuosina valitettavan yleisiä ja paljon esillä julkisuudessa. Mikäli tarkastelu havaittaisiin käyttökelpoiseksi, sitä voitaisiin hyödyntää liigalisenssejä

(9)

4 myönnettäessä. Valitut konkurssin ennustamismallit hyödyntävät pelkästään tilinpää- töksen tunnuslukuja, joten aineisto oli helposti kerättävissä. Tutkimusajanjaksoksi valittiin yhdestä kolmeen vuotta ennen konkurssia, koska Altmanin (1968) mukaan tutki- musmetodin ennustamistarkkuus alenee merkittävästi kolmen vuoden jälkeen. Tutki- muksessa ei käytetty konkurssin ennustamisessa usein käytettävää vastinparimenet- telyä, koska työssä tutkitaan Z-lukujen toimivuutta juuri urheilutoimialan konkursseja ennustavina menetelminä, joten toimialan vaikutusta ennustavuuteen ei haluttu eliminoida.

Tutkimusmenetelmä on kvalitatiivinen, eli laadullinen, case-tutkimus, jossa tutkitaan kahden urheilutoimialan yhtiön konkurssia edeltäviä tilinpäätöksiä. Vaikka tutkimus on perusluonteeltaan kvalitatiivinen, niin tilinpäätöksiä analysoitaessa käytetään myös kvantitatiivisen, eli määrällisen, tutkimuksen työkaluja, koska useat konkurssin ennustamisen menetelmät perustuvat numeraalisiin tunnuslukuihin. Tämä työ toteutetaan siis tapaustutkimuksen keinoin, eli kahdesta eri tapauksesta luodaan yksityiskohtaista tietoa. (Hirsjärvi et al. 2008, 130)

Tutkimuksen teoriaosuus koostuu tieteellisistä artikkeleista ja kirjallisuudesta, jotka liit- tyvät aiheeseen. Empiriaosuudessa aineistona käytetään valmiiksi arkistoituja tutki- musaineistoja, työssä käytetyt tilinpäätökset on saatu Patentti- ja rekisterihallituksen kaupparekisterin Virre-tietopalvelusta. Kahden case-tapauksen käyttäminen tutkimuksessa yhden sijaan on perusteltua, koska tällöin voidaan tuloksia verrata keskenään ja saada useampia näkökulmia tutkittavaan aiheeseen.

1.3. Tutkimuksen rakenne

Ensimmäinen luku koostuu tutkimuksen taustojen esille tuonnista, työn motiivien esit- telyistä ja vastauksesta kysymykseen: Miksi aihe on kiinnostava? Luvussa määritel- lään myös tutkimusongelmat, pääongelma ja alaongelmat, sekä aiheen perustellut rajaukset. Tutkimuksessa käytettävät metodologiat selostetaan seikkaperäisesti perus- teluineen, lopuksi läpi käydään tutkimuksen rakenne. Toisessa luvussa esitellään lain- säädäntö ja kirjallisuus, jotka koskevat aihetta. Tässä luvussa käydään läpi myös ajan- kohtainen ammatillinen ja akateeminen kirjoittelu, sekä esitellään niiden tulokset.

(10)

Luvussa kolme käydään läpi tutkimuksessa käytetyn aineiston keruu, aineiston analy- sointi ja tutkimusmenetelmät, jotka kohdistetaan aineistoon. Tämän jälkeen käydään läpi käsitellyn toimialan erityispiirteet tutkimuksen kannalta. Empiirinen tutkimus on si- joitettu lukuun neljä. Luku sisältää siis konkurssin ennustamismenetelmien kohdista- misen tähän tutkimukseen valittujen kahden yrityksen tilinpäätöksille ja tästä saadut tulokset. Luku sisältää myös saatujen tuloksien johtopäätökset ja arvioidaan tutkimuksen onnistumista, sekä annetaan ehdotuksia jatkotutkimukselle. Lukuun viisi on koostettu yhteenveto tutkimuksen tärkeimmistä seikoista ja päätelmistä.

(11)

6

2. KONKURSSIN ENNUSTAMINEN JA SEN HAASTEET

Yrityksen rahoitustilanteesta alettiin kiinnostua, kun yrityksen johto ja omistajat eivät olleet enää sama taho, eli noin 1800-luvun lopulla. Omistuksen ja johtajuuden eriyty- essä, myös markkinat muuttuivat ja havaittiin tarve yhtiön taloudellisen tilanteen mit- taamiseen. Tähän tarpeeseen kehitettiin taloudellisia tunnuslukuja, joista velkojat ja johtajat saivat tarvitsemiaan tietoja yhtiön tilanteesta. Jo ennen ensimmäistä maail- mansotaa, tapahtui kolme läpimurtoa taloudellisessa mittaamisessa. Kehitettiin uusia tunnuslukuja, absoluuttisten kriteerien tärkeä merkitys tunnuslukujen tulkinnassa käsi- tettiin, sekä havaittiin, että tunnuslukujen vertailu tuotti tärkeää informaatiota. 1930- luvulla alkanut lama sai tutkijat innostumaan konkurssiennustamisen tutkimisesta.

Tämä johtui tietenkin ajankohtana vallitsevasta ilmapiiristä ja konkurssien kasvaneesta määrästä. Samaan aikaan sijoittajia alkoi kiinnostaa se, miten sijoituskohteena ollei- den yhtiöiden konkursseja voitaisiin ennustaa. 1960-luvulla tehty William H. Beaverin tutkimus oli ensimmäinen akateemisesti merkittävä tutkimus, joka liittyi konkurssien ennustamiseen. Siinä hän ehdotti, että yksittäisten taloudellisten tunnuslukujen avulla olisi mahdollista ennustaa yhtiön konkurssi. Seuraava kehitysaskel otettiin pari vuotta myöhemmin, kun Edward I. Altman kehitti useasta yksittäisestä tunnusluvusta koostu- van yhdistelmäluvun. Hänen menetelmänsä ydin oli koostaa eri tunnuslukujen infor- maatiosta yksi luku, joka kuvaisi paremmin yhtiön konkurssiriskiä kuin yksittäiset tunnusluvut erikseen. (Beaver 1966, 71-72, 100; Horrigan 1968, 284-288; Laitinen 1990, 39; Laitinen & Laitinen 2004, 83-84; Balcaen & Ooghe 2006, 63-64)

Vaikka vuosina 1966 ‒ 2004 on julkaistu 165 tutkimusta konkurssin ennustamisesta ja sen menetelmistä, niin merkittäviä läpimurtoja tällä alalla ei ole saavutettu sitten Bea- verin (1966) ja Altmanin (1968) tutkimusten. Uudemmat menetelmät ovat keskittyneet parantamaan ennustamistarkkuutta. (Bellovary et al. 2007,4) Kokonaiskuvan luomiseksi konkurssin ennustamisen menetelmistä taulukkoon 1 on koottu yleisimpiä konkurssin ennustamisen menetelmiä, niiden perusominaisuuksia, tärkeimpiä tutkimuksia, joissa menetelmiä on käytetty ja tietoja mainitun tutkimuksen ennustamistarkkuudesta.

Taulukosta on nähtävissä helposti alan kehityksen eri suunnat ja miten monista eri lähestymistavoista aihetta voi käsitellä.

(12)

Taulukko 1. Yleisimpiä konkurssin ennustamisen menetelmiä (Laitinen & Kankaanpää 1999; Aziz & Dar 2006; Bellovary et al. 2007; Kumar & Ravi 2007; Wu, Gaunt & Gray 2010)

Logit-analyysi on menetelmä, jonka laskennassa käytetään valittujen useiden tunnuslukujen painotettua summaa ja näiden logistista jakaumaa. Mallin vastaa siis kysymykseen mikä on yhtiön konkurssin todennäköisyyden logaritmi?

Altman (1968)

Theodossiou (1991)

Martin (1977)

Ohlson (1980) Erotteluanalyysi on menetelmä, jolla määritellään kombinaatiot

ominaisuuksista, jotka parhaiten erottelee kaksi tai useampaa tunnettua perusjoukkoa. Perusjoukot ovat tässä tapauksessa konkurssiyhtiöt ja toimivat yhtiöt. Ominaisuudet ovat taas tilinpäätöstiedoista johdettuja tunnuslukuja.

Probit-analyysi Logit-analyysi

Regressioanalyysin päämäärä on kehittää yhtiön tilaa mahdollisimman hyvin kuvaava selitysyhtälö. Siinä asetetaan konkurssiyhtiön arvoksi 0 ja toimivan yhtiön arvoksi 1.

Lineaarisessa regressioanalyysisssä selitysyhtälö koostuu tunnuslukujen painotetusta summasta. Tämä menetelmä on hyvin samankaltainen kuin erotteluanalyysi.

Erotteluanalyysi

Libby (1975) 74 %

Vuosi ennen 89-86 % 2.vuotta ennen 92-83 %

3.vuotta ennen 93 % Vuosi ennen 96 % 2.vuotta ennen 96 %

95,5-92,6 %

92 % 5.vuotta ennen 36 %

Vuosi ennen 95 % 2.vuotta ennen 72 % 3.vuotta ennen 48 % 4.vuotta ennen 29 %

Metodi Ominaisuudet Tärkeimpiä

tutkimuksia

Tutkimuksen ennustamistarkuus Yksittäiset

tunnusluvut

Beaver (1966) 92-50 % Käytetään tilinpäätöksestä laskettavia tunnuslukuja yksi

kerraallaan konkurssin ennustamiseen. Määritellään tunnusluvuille kriittiset arvot, jotka määrittelevät yhtiöt toimiviin tai

konkurssiyhtiöihin.

Regressioanalyysi

Tam and Kiang (1990)

Skogsvik

(1990) 84-20 %

HIP-tutkimuksessa seurataan päätösentekijöiden valintoja, joten sen lähtökohta on ihan erilainen kuin muiden menetelmien. Eli tässä menetelmässä taitavien tilinpäätöstietojen tulkitsijoiden, esim. analyytikoiden ja tilintarkastajien, ammattitaitoa

hyödynnetään konkurssiriskin arvioimiseksi. Tähän menetelmään liittyy usein linssimalli, jolloin tutkimus tarkastelee informaation ja päätöksentekijän välistä suhdetta. Tästä vuorovaikutuksesta muodostetaan malli, jota voidaan käyttää tulevaisuuden päätöksentekotilanteisiin.

HIP-tutkimus

Menetelmässä koetetaan hyödyntämään tiedot tilinpäätöshetken ja kriisihetken välillä. Eloonjäämisanalyysin riippuvana muuttujana on joko riskijoukko, jolla tarkoitetetaan yhtiöitä jotka ovat vaarassa ajautua konkurssiin kyseisenä ajanhetkenä, tai riskiluku, joka kuvaa yhtiön altiutta ajautua konkurssiin tiettynä ajanhetkenä.

Menetelmän avulla saa siis tietoa konkurssin todennäköisyydestä ja yhtiön jäljellä olevasta elinajasta.

HermoverkotHermoverkko menetelmässä on tarkoitus simuloida aivojen toimintaa. Malli rakentuu useista toisistaan riippuvista

laskentaelementeistä, eli "neuroneista", näiden välille synnytetään eritasoisia suhteita, joiden avulla menetelmä opetetaan

tunnistamaan konkurssiyhtiöt toimivien yhtiöiden ryhmästä.

Vaikkakin Probit-analyysi pohjautuu toisenlaiseen matemaattiseen lähestymistapaan, se on samankaltainen kuin logit-analyysi tai lineaarista todennäköisyysmallia. Probit-analyysi poikkeaa logit- analyysistä siten, että siinä käytetään normaalijakaumaa logistisen jakauman sijaan.

Casey (1980) 57 %

Coats and

Fant (1991) Vuosi ennen 100-94 %

Luoma and

Laitinen (1991) 62 %

Vuosi ennen 89-80 % 2.vuotta ennen 81-74 % Lane et al.

(1986) Eloonjäämis-

ananlyysi Rekursiivinen osittaminen

Rekursiivisessa osittamisessa ideana on jakaa otoksen yhtiöt kaksiluokkaisen päätöspuun muotoon siten, että koko puun virheluokittelujen odotetut kustannukset minimoituvat. Menetelmä on siis vähän kuin yhden ja usean muuttujan analyysien yhdistelmä.

Menetelmässä aloitetaan valitsemalla konkurssiyhtiöt ja toimivat yhtiöt parhaiten erotteleva tunnusluku, jonka perusteella yhtiöt jaetaan omiin luokkiinsa. Seuraavaksi saadut luokat jaetaan kahtia toiseksi parhaiten toimivalla tunnusluvulla ja tätä jatketaan kunnes luokkiin jakaminen ei enää kannata. Jakamisessa käytetään tunnuslukujen kriittisiä arvoja. Optimaalisesti luokitellun otoksen tulokseksi saadaan siis kaksi luokkaa, josta toiseen luokkaan sisältyvät kaikki konkurssiyhtiöt ja toiseen toimivat yhtiöt.

Frydman et al.

(1985) 92 %

Tam and Kiang (1992)

Vuosi ennen 92-80 % 2.vuotta ennen 91-77 %

(13)

8

2.1. Konkurssin määritelmä

Konkurssin määritelmä on kirjoitettu konkurssilakiin seuraavasti:

”Velallinen, joka ei kykene vastaamaan veloistaan, voidaan asettaa kon- kurssiin siten kuin tässä laissa säädetään. Konkurssiin asettamisesta päättää tuomioistuin velallisen tai velkojan hakemuksesta.

Konkurssi on velallisen kaikkia velkoja koskeva maksukyvyttömyysmenet- tely, jossa velallisen kaikki omaisuus käytetään konkurssisaatavien mak- suun. Konkurssin tarkoituksen toteuttamiseksi velallisen omaisuus siirtyy konkurssin alkaessa velkojien määräysvaltaan.” (KL 120/2004)

Konkurssi ja yrityssaneeraus ovat molemmat yleistäytäntöönpanoa, mutta toisin kuin yrityssaneerauksessa, konkurssin tavoite ei ole velallisen yhtiön talouden elvyttämi- nen. Eli, konkurssimenettely eroaa saneerausmenettelystä selvästi, koska vain erityi- sissä poikkeustilanteissa konkurssiyrityksen toiminta voi jatkua konkurssimenettelyn alettua. Konkurssi on siis yksi tapa, jolla velkojat voivat periä saataviaan velalliselta ja sen tavoite on jakaa yhtiön varat tasapuolisesti ja oikeudenmukaisesti velkojille.

Yleensä konkurssimenettelyn osana yhtiön varallisuus realisoidaan ja vasta sen jäl- keen jaetaan velkojille. (Laitinen 1990, 30; Suojanen, Savolainen & Sirainen 2006, 224)

Lähestyvän konkurssin oireet voi havaita seuraavissa kolmessa taloudellisessa toimin- taedellytyksessä, jotka on lueteltu yhtiön terveyskolmiota kuvaavassa Kuvio 1:ssa alla.

Kuten siitä voidaan havaita, kannattavuus on tärkein näistä kolmesta edellytyksestä, koska sen varassa on koko yhtiön toiminta. (Laitinen & Laitinen 2004, 242)

(14)

Maksuvalmius Vakavaraisuus

Kannattavuus

Koska yhtiön toiminta on kannattavuudesta riippuvainen, ei se voi olla pitkään heikko tai yrityksen toiminnan jatkamisen toimintaedellytykset menetetään, jolloin yhtiön tulee hakeutua konkurssiin tai lakkauttaa toimintansa muilla keinoilla. Kannattavan yhtiön menestys ei ole kuitenkaan taattu, sillä myös maksuvalmiuden sekä vakavaraisuuden pitää olla kunnossa, jotta yhtiö voi toimia menestyvästi. (Laitinen & Laitinen 2004, 242- 243)

Tilinpäätösanalyysin avulla halutaan saada informaatiota yhtiön taloudellisesta tilanteesta. Osa tätä analyysia ovat tilinpäätösinformaatioon perustuvat konkurssin ennustamisen menetelmät, joita on tutkittu laajalti. Konkurssin uhkaa ei kuitenkaan usein pystytä välttämään, koska yrityksellä itsellään ei ole tehokasta hälytysjärjestelmää, jolla voitaisiin havaita lähestyvä konkurssi ajoissa. Tällöin ei korjaavia liikkeitä ehditä tekemään ajoissa ja vaikka yhtiöllä olisikin suhteellisen terve pohja toiminnan jatkami- selle, niin konkurssilta ei pystytä välttymään. Jos toiminnan jatkamisen edellytyksiä ti- lanteessa ei ole, on parasta lopettaa yhtiön toiminta mahdollisimman pian, jotta konkurssin pitkittämisestä aiheutuvilta tappioilta vältytään. (Laitinen 1990, 8; Leppiniemi &

Leppiniemi 2000, 242)

Kuvio 1. Yhtiön taloudelliset toimintaedellytykset terveyskolmiona (Laitinen

& Laitinen 2004, 243).

(15)

10

2.2. Altmanin Z-luku ja siitä johdettuja konkurssin ennustamisen menetelmiä

Ennen Altmanin tutkimusta Beaverin vuonna 1966 julkaisemaa tutkimusta pidettiin tär- keimpänä konkurssin ennustamisen tutkimuksena ja tähän tutkimukseen Altman poh- jasi oman työnsä. Vaikkakin Beaver tutki vain yksittäisen muuttujan menetelmää, hän pystyi asettamaan tunnusluvut paremmuusjärjestykseen ennustustarkkuuden mukaan. Toisaalta hänen kehittämänsä konkurssin ennustamisen menetelmän etu on helppokäyttöisyys, koska siinä verrataan yhtiön taloudellista tunnuslukua kriittiseen ar- voon, jonka perusteella yhtiö määritellään joko toimivaksi tai konkurssiyhtiöksi. Mene- telmän heikkous on siinä, että eri tunnusluvuilla tehtävä määrittely voi antaa ristiriitaisia tuloksia ja näin tulkinta siitä, kumpaan luokkaan yhtiö kuuluu, voi olla epäselvä. Yksit- täinen taloudellinen tunnusluku ei myöskään voi sisältää kaikkea relevanttia informaatiota. Tunnuslukujen valintaa ei perusteltu teoreettisesti riittävästi, joten eri aineistolla tehdyt tutkimukset voivat antaa eri tuloksia. (Beaver 1966, 100; Laitinen 1990, 44; Alt- man & Hotchkiss 2006, 238-239; Balcaen & Ooghe 2006, 6)

2.2.1. Altmanin yhdistelmäluku

Seuraava edistysaskel konkurssin ennustamiseen saatiin vain muutama vuosi Beave- rin tutkimuksen julkaisun jälkeen, kun vuonna 1968 Edward I. Altman kehitti usean muuttujan yhdistelmäluvun. Tutkimuksen innovaatio oli yhdistää useiden tunnuslukujen informaatiota yhdeksi luvuksi. Menetelmästä käytetään yleisesti nimeä Z-malli. Alt- man käytti tutkimuksessaan samaa vastinparimenetelmää kuin Beaver omassa tutkimuksessaan, hän siis valitsi 33 konkurssiyhtiötä ja näille 33 vastaavan kokoista toimivaa yhtiötä samalta toimialalta. Konkurssit olivat tapahtuneet vuosina 1946-1965.

Ajanjakson pituus aiheutti sen, että suhdannevaihtelut pystyivät vaikuttamaan tuloksiin, mutta aineistoa konkurssiyhtiöstä oli tuohon aikaan rajoitetusti olemassa. Seu- raava vaihe Altmanin tutkimuksessa oli tunnuslukujen valinta. Hän valitsi 20 tunnuslukua. Hän perusteli niiden valintaa sillä, että ne olivat alan kirjallisuudessa yleisiä ja sillä, että niillä saattoi olla merkitystä tutkimukselle. Sitten hän jakoi nämä tunnusluvut vii-

(16)

teen luokkaan: maksuvalmius, kannattavuus, tuottavuus, velkaisuus, tehokkuus. Ke- hittämäänsä Z-malliin Altman valitsi yhden tunnusluvun jokaisesta yllä mainitusta luo- kasta siten, että tunnuslukujoukko, joka hänen valitsemistaan tunnusluvuista muodos- tui, antoi parhaan mahdollisen tuloksen. Yhdistelmäluvun käytössä on kätevää se, että kun yhdistelmäluku on määritelty, sen käyttö konkurssin ennustamisessa rakentuu sa- moille periaatteille kuin yksittäisen tunnusluvun käyttö Beaverin menetelmässä. (Laiti- nen 1991, 649; Laitinen & Laitinen 2004, 83-90)

Altmanin tutkimuksen tuloksena, oli siis alla oleva Z-mallin kaava:

(1) Z = 0.012 · X1 + 0.014 · X2 + 0.033 · X3 + 0.006 · X4 + 0.999 · X5, missä Z = konkurssitunnusluku

X1 = Nettokäyttöpääoma / Koko pääoma X2 = Kertyneet voittovarat / Koko pääoma

X3 = Tulos ennen korkoja ja veroja / Koko pääoma

X4 = Oman pääoman markkina-arvo / Vieraan pääoman kirjanpitoarvo X5 = Myynti / Koko pääoma.

X1 on maksuvalmiutta kuvaava tunnusluku, johon Altman päätyi testauksen perusteella. X2 on taas kannattavuuden tunnusluku, joka huomioi yhtiön toiminnan keston, koska yleensä nuorella yhtiöllä ei ole ehtinyt kertyä merkittäviä voittovaroja, joten tunnusluku kertoo kannattavuudesta erityisesti pitkällä aikavälillä. X3 tunnusluvun tarkoitus on kuvata kannattavuutta lyhyellä aikavälillä eli yhtiön pääoman tuottavuutta. X4 on vakavaraisuuden kuvaaja, eli se kertoo, missä vaiheessa yhtiön velat ylittävät varat, jolloin yhtiötä uhkaa maksukyvyttömyys. X5 tunnusluvun tarkoitus on kuvata pääoman kykyä tuottaa tuloja. Tämä tunnusluku ei yksittäisenä tunnuslukuna ole merkittävä konkurssin ennustajana, mutta osana yhtälöä Altman havaitsi sillä olevan merkittävä asema. Altmanin tutkimuksen perusteella nämä viisi tunnuslukua olivat ne tunnusluvut, jotka yhdessä muodostivat parhaan mahdollisen kaavan konkurssien ennustamiseen.

(Altman 1968, 593-596)

(17)

12 Kaavan tuottamia tuloksia Altmanin tutkimuksen mukaan pitää lukea niin, että jos Z- luku on yli 2,99 on yhtiö toimiva tai jos Z-luku on alle 1,81 on yhtiö konkurssiyhtiö.

Rajojen välille jäävät yhtiöt ovat alueella, jossa virheluokituksen riski on suuri. Virhe- tyypit ovat samat kuin Beaverinkin tutkimuksessa ja paras kriittinen arvo Altmanin mukaan oli 2,675. Tämä Z-luku siis toimii parhaiten luokiteltaessa yhtiöt toimiviin ja kon- kurssiyhtiöihin. Toisin sanoen mitä suurempi Z-luku yhtiöllä on, sitä varmemmin se kuuluu toimivien yhtiöiden luokkaan. (Laitinen & Laitinen 2004, 87-90)

Altmanin (1968) tutkimustulosten perusteella Z-luku ennustaa tarkasti konkurssin joko vuotta tai kahta ennen konkurssia, ennustustarkkuuden ollessa vuotta ennen konkurssia 95 prosenttia ja kaksi vuotta ennen 71 prosenttia. Tämän jälkeen kuitenkin mallin ennustavuus laskee roimasti. Kolme vuotta ennen konkurssia se luokittelee yhtiön oikeaan luokkaan enää 48 prosentin tarkkuudella. Beaverin malliin verrattuna Altmanin malli toimii paremmin vuosina yksi ja kaksi, mutta häviää Beaverin mallille tarkkuu- dessa vuosina kolme, neljä ja viisi vuotta ennen konkurssia.

Taulukko 2. Altmanin Z-luku ja hänen siitä johtamansa mallit. (Anjum 2012)

Alkuperäinen Z-luku

(1968) Z' (1983) Z'' (1993) Muuttujien kertoi-

met

X1 1,21 0,717 6,56

X2 1,41 0,847 3,26

X3 3,3 3,107 6,72

X4 0,6 0,42 1,05

X5 0,999 0,998 N/A

Kriittinen piste

Konkurssiyhtiö <1,81 <1,23 <1,10

Toimiva yhtiö >2,67 >2,90 >2,60

Harmaa alue 1,81-2,67 1,23-2,90 1,10-2,60

(18)

Altman on palannut Z-luku-mallinsa pariin useampaan otteeseen sen luomisen jälkeen vuonna 1968. Hän on luonut kaksi Z-luku-mallin muunnosta. Toinen malleista, Z’ on tarkoitettu yksityisten yhtiöiden konkurssiriskin arvioimiseen. Siinä tunnusluku X4 on muutettu muotoon Oman pääoman kirja-arvo / Vieraan pääoman kirjanpitoarvo, koska yksityisten yhtiöiden oman pääoman markkina-arvo on vaikea määrittää. Mallista Z’’

on taas poistettu kokonaan tunnusluku X5, sillä tämä muuttuja on Altmanin mukaan merkittävä vain teollisuustoimialan yhtiöitä tarkasteltaessa, eli tätä mallia Z-luvusta tulisi käyttää esimerkiksi palvelutoimialan yhtiöitä tarkasteltaessa. Ongelma on, että kun tunnuslukuja muutetaan, muuttuvat myös mallin tunnuslukujen kertoimet. Taulukosta 2 nähdään alkuperäisen Z-luvun sekä Z’ ja Z’’ mallien tunnuslukujen kertoimet. Taulu- kosta voidaan myös havaita mallien kriittiset pisteet, jotka nekin ovat erilaiset mallien eri versioilla. (Altman 2000)

2.2.2. Aatto Prihtin Z-luku

Suomalaisella konkurssin ennustamisen tutkimuksellakin on jo pitkät perinteet. Ensim- mäisenä kotimaisena akateemisesti merkittävänä tutkimuksena voidaan pitää Aatto Prihtin väitöskirjaa vuodelta 1975 ”Konkurssin ennustaminen taseinformaation avulla”.

Tässä työssä hän esitteli itse kehittämänsä konkurssin ennustamismenetelmän. Vaik- kakin Prihtin malli perustuu Altmanin Z-malliin, niin muuttujien valinta on toteutettu Prihtin mallissa eri lailla, sillä siinä muuttajat on valittu teoreettisen mallin avulla. Muut- tujat perustuvat Prihtin luomiin hypoteeseihin niistä tekijöistä, jotka hänen mielestään vaikuttavat eniten yhtiön konkurssiuhkaan. Hän rakentaa hypoteesinsa sille perusole- tukselle, että tärkein yksittäinen syy konkurssiin on rahoituksen riittämättömyys. Tä- män hypoteesin testauksessa hän käytti Altmanin tavoin erotteluanalyysia, mutta aineiston valinnassa ei käytetty Altmanin ja Beaverin tutkimuksista tuttua vastinparime- netelmää. Prihti valitsi tunnuslukujen määrittämiseen eri määrät toimivia ja konkurssi- yhtiöitä. Tätä hän perusteli toimivien yhtiöiden ja konkurssiyhtiöiden määrien epätasa- painolla. Tämä asettaa omat haasteet Prihtin mallille ja heikentää sen ennustamisvoi- maa, sillä vastinparimenettelyä käyttämällä voidaan, kuten aikaisemminkin tässä työssä on mainittu, eliminoida toimialan, toimialaympäristön ja yrityksen koon merkitys konkurssin ennustamisessa. (Laitinen 1990, 58-65)

(19)

14 Seuraavaksi Prihti haki hypoteeseilleen mittarit yhtiön tiinpäätöksestä. Prihtin malli rakentuu kahdelle hypoteesille: 1. Tulorahoituksen täytyy kyetä kattamaan rahoituksen maksukustannukset, 2. Konkurssiajankohta määräytyy yrityksen luotonsaantikyvyn mukaan. Konkurssi toteutuu, kun kaikkien sidosryhmien antamat neuvoteltavissa ole- vat lisäluotot on käytetty eikä yrityksen ole enää mahdollista saada lisää luottoa. Näille hypoteeseille Prihtin valitsemat mittarit olivat seuraavat: 1. Hypoteesille tunnusluvuksi valittiin Tulojäämä verojen jälkeen jaettuna taseen koko pääomalla. 2. Hypoteesille Prihti loi kaksi tunnuslukua, koska sille oli vaikeaa löytää yhtä mittaria. Luodut tunnusluvut olivat Quick (rahoitusomaisuus - lyhytaikainen vieras pääoma) jaettuna taseen koko pääomalla sekä vieras pääoma jaettuna taseen koko pääomalla. (Laitinen & Lai- tinen 2004, 94-103)

Tämän jälkeen Prihti haki parhaimmat tulokset antavat painotukset tunnusluvuille ja koosti mallinsa hyvin yksinkertaiseen muotoon:

(2) Z = 0.049 · X1 + 0.021 · X2 - 0.048 · X3, missä

Z = Konkurssiluku

X1 = 100 · Tulojäämä verojen jälkeen/Taseen koko pääoma X2 = 100 · Quick/Taseen koko pääoma

X3 = 100 · Vieras pääoma/Taseen koko pääoma

Seuraavaksi vuorossa oli kriittisen arvon määrittäminen, jonka Prihti ensin määritteli teoreettisesti arvoksi -4,55, mutta tämä kumottiin käytännön vertailulla. Parhaat tulokset Prihtin estimointiaineistolle saatiin kriittisellä pisteellä -4,3 ja testiaineistolle kriitti- sellä pisteellä -5,4. Tästä huolimatta Prihti (1975) kehottaa työssään käyttämään tule- vaisuudessa teoreettisesti määrittelemäänsä kriittistä arvoa. (Laitinen & Laitinen 2004, 100-101)

(20)

2.2.3. Sharman ja Mahajanin kriisitunnusluku

Sharman ja Mahajanin kriisitunnusluku on erilainen kuin tähän mennessä esitetyt me- netelmät siinä, että se lähtee eri lähtökohdasta. Sharma ja Mahajan halusivat kehittää menetelmän, jonka tuloksien avulla konkurssin voisi estää. Tästä huolimatta he käyt- tävät Altmanin Z-mallia pohjanaan, mutta pyrkivät menemään tunnuslukuja syvem- mälle, eli he tarkkailivat mallia luodessaan myös konkurssiin joutumisen syitä, sekä yrittivät tunnistaa konkurssin indikaattoreita. (Sharma & Mahajan 1980, 81)

Aineiston valitsemisessa he käyttivät samoja menetelmiä kuin Altman ja Beaver, vas- tinparimenetelmää. Tutkimuksessa käsiteltiin 44 yhtiötä vuokraustoimialalta, sillä heitä kiinnostivat tällä toimialalla tapahtuneet suhteellisesti ottaen suuret konkurssimäärät verrattuna muihin toimialoihin. Ajanjaksoksi tutkimuksessa määrittyi viisi vuotta ennen konkurssia. Seuraavaksi he valitsivat 11 taloudellista tunnuslukua mallinsa luomiseksi.

Näiden valintaa he perustelivat suosiolla aikaisemmassa konkurssin ennustamisen tutkimuksessa sekä aineiston rajoituksilla. Kun he tutkivat tunnuslukuja tarkemmin he ha- vaitsivat current ration ja kokonaispääoman tuottoprosentin erottelevan parhaiten yh- tiöryhmät toisistaan. Tämä ei ollut heistä odottamaton tulos, sillä nämä indikaattorithan ovat selvästi yhteydessä kassavirtaan. (Sharma & Mahajan 1980, 85-88)

Kertoimien määrittelyssä Sharma ja Mahajan käyttivät Lachenbruchin absortiovastus- menetelmää, josta seurasi, että malli oli vahvasti ennustava. Aikaisempiin malleihin verrattuna kriisitunnusluku on erilainen siinä, ettei sen kaava ole vakio, vaan jokaiselle vuodelle on erilainen kaava. Kolmen ensimmäisen vuoden kaavat ovat:

(3) Z1 = 0.862 + 3.679X1 + 0.380X2,

Z2 = 1.534 + 3.031X1 + 0.630X2

Z3= 1.875 + 7.905X1 + 0.443X2, missä

Z1 = Kriisitunnusluku vuosi ennen konkurssia

Z2 = Kriisitunnusluku kaksi vuotta ennen konkurssia Z3 = Kriisitunnusluku kolme vuotta ennen konkurssia X1 = Kokonaispääomantuottoprosentti

X2 = Current ratio

(21)

16 Sharman ja Mahajanin kriisitunnusluvun kriittinen arvo on nolla, joten sitä on helppo tulkita. Eli kun mallista saatu arvo on positiivinen, voidaan yhtiötä pitää toimivana, jos arvo on negatiivinen, niin yhtiöllä on vaara joutua konkurssiin. Sharman ja Mahajanin tutkimuksen mukaan kriisitunnuslukua voidaan hyödyntää myös muissa tarkoituksissa, kuin konkurssin ennakoinnissa, esimerkiksi mikrotason päätöksissä tai yleisenä mitta- rina yrityksen taloudellisesta menestyksestä. Malli eroaa myös siinä aikaisemmin esi- tetyistä malleista, että vaikka mallista saatu arvo olisi negatiivinen, ei se välttämättä tarkoita, että yhtiöllä olisi konkurssi edessä. Eli mallin on tarkoitus toimia hälytysjärjes- telmänä yhtiön sidosryhmille, jotta konkurssi voidaan välttää. (Sharma & Mahajan 1980, 86-88)

2.2.4. Erkki K. Laitisen kolmen muuttujan Z-luku

Luodessaan menetelmäänsä Laitinen halusi tehdä siitä mallin, joka olisi helposti so- vellettava ja varoittaisi konkurssin mahdollisuudesta etukäteen. Hän käytti hyväksi merkittävimpiä aikaisempia tutkimuksia, mutta otti tutkimusajankohdaksi jo 7-8 vuotta ennen konkurssia, jotta saisi mallista entistä aikaisemman hälytyskellon yhtiöiden käyt- töön. Hänen datansa koostui 80 pk-yrityksestä ja hän käytti vastinparimenetelmää.

Faktorianalyysin avulla Laitinen päätyi seuraaviin tunnuslukuihin: vieraan pääoman ta- kaisinmaksukyky, rahoitustulosprosentti sekä pääoman tuottoprosentti. Tutkimukses- saan hänelle kuitenkin selvisi, etteivät yksittäiset tunnusluvut ole tehokkaita ennustajia, koska niillä pystyttiin havaitsemaan konkurssin uhka vain vuotta maksukyvyn menet- tämistä aikaisemmin. Jotta hän pääsisi parempiin tuloksiin, Laitinen päätti käyttää erot- teluanalyysiä, jonka Altman oli esittänyt tutkimuksessaan. Tälläkään menetelmällä hän ei päässyt malliin, jolla olisi konkurssi pystytty ennustamaan useita vuosia aikaisemmin, joten hän päätyi madaltamaan tavoitteitaan 7-8 vuodesta ennen konkurssia ja tyytyi ennustamaan sen vain kaksi vuotta ennen konkurssia. (Laitinen 1990, 194-226)

Ensin Laitinen päätyi viiden muuttujan malliin, mutta hän ei ollut tyytyväinen tämän mallin ennustamiskykyyn, vaan alkoi tutkia, miksi malli oli luokitellut yhtiöitä väärin.

Analyysiään tehdessään hän havaitsi, että pääsyinä olivat kaksi mallin viidestä tunnusluvusta, joten päätti poistaa nämä kaksi tunnuslukua mallista. Tämän operaation jäl- keen hän päätyi kolmen muuttujan malliin, johon hän oli tyytyväinen. Mallin kaava on:

(22)

(4) Z = 1.77 · X1 + 14.14 · X2 + 0.54 · X3, missä

X1 = Rahoitustulosprosentti X2 = Quick Ratio

X3 = Omavaraisuusaste

Mallin kriittiseksi pisteeksi Laitinen sai 18, jolloin yhtiön Z-luvun ollessa yli 18 yhtiö on terve ja alle 18 tarkoittaa, että yhtiö on vaarassa joutua konkurssiin. (Laitinen 1990, 214-226)

2.3. Menetelmiä kohtaan esitetty kritiikki ja ennustamisen haasteet

Altmanin (1968) ja sen jälkeisten tutkimusten saavuttamista hyvistä tuloksista huolimatta Z-luku mallin heikkoutena pidetään sitä, että se perustuu vain tilinpäätösaineis- toon. Täten se ei voi ottaa huomioon kaikkia konkurssiin vaikuttavia seikkoja, kuten toimintaympäristön muutokset, eikä se kerro konkurssin syitä. Konkurssin ennustamiseen liittyy useita muitakin haasteita, varsinkin kun tarkastelijat eivät yleensä kuulu yhtiön johtoon vaan ovat ulkopuolisia henkilöitä. Yksi menetelmien heikkous on, että ne perustuvat vain virallisiin tilinpäätöstietoihin, jolloin tulokset voivat johtaa hieman harhaan. Tämä johtuu siitä, että tilinpäätös kertoo vain tilinpäätöshetken tilanteen, jolloin tunnusluvut voivat saada poikkeuksellisia arvoja eikä tulevaisuutta pystytä otta- maan huomioon. Toinen heikkous on, että yhtiö voi vaikuttaa tilinpäätösinformaatioon niin laillisin kuin laittomin keinoin tai vahingossa kirjanpidossa olevilla virheillä. Laillisia keinoja on esimerkiksi kaluston myynti tai muut sellaiset keinot, joita tilinpäätösinfor- maatiosta ei voi havaita. Kuluja voidaan esimerkiksi vähentää laiminlyömällä kaluston huolto. Usein tilinpäätösinformaation analyysin tekee vaikeaksi se, että ongelmatilan- teissa oleva yhtiö koettaa salata tai peitellä todellisen taloudellisen tilanteensa. Tähän yhtiö voi käyttää esimerkiksi seuraavia keinoja: vastuiden piilottelu, varaston tai saa- misten vääristely ja lainvastaiset aktivoinnit. Näin yhtiö pystyy antamaan todellisuutta paremman kuvan sen taloudellisesta asemasta. (Laitinen 1990, 158-170; Laitinen &

Laitinen 1998, 893; Laitinen & Laitinen 2004, 22; Narayanan 2010, 13)

(23)

18

3. AINEISTO JA TUTKIMUSMENETELMÄT

Seuraavaksi käymme läpi aineiston keräämisen julkisesta tilinpäätösaineistosta ja sen kuvailun liikevaihdon, koko pääoman ja oman pääoman, sekä nettotuloksen kehityksen kautta yhdestä kolmeen vuotta ennen konkurssia. Tämän jälkeen käsitellään lyhy- esti urheilutoimialan erityispiirteitä. Työn luvussa 4 lasketaan Altmanin Z-luku sekä kolme muuta tämän menetelmän pohjalta kehitettyä konkurssin ennustamisen mallin tunnuslukua Pallohonka Oy:n ja Jääkiekko Espoo Oy:n tilipäätöstietojen perusteella.

Nämä yhtiöt ovat asetettu konkurssiin 20.3.2015 (Pallohonka Oy) ja 21.3.2016 (Jää- kiekko Espoo Oy) eli melkein tasan vuoden välein. Molempien konkurssit saivat mer- kittävästi näkyvyyttä kansallisessa mediassa ja ovat siten erittäin mielenkiintoisia tutkimuksen kohteita. Tutkimuksen yksi tarkoitus on selvittää olisiko konkursseista voinut saada ennakkovaroituksen tarkastelemalla yhtiöiden tilinpäätöstietoja valittujen kon- kurssiennustamismallien avulla.

3.1. Aineiston kerääminen

Yhtiöiden tilinpäätösaineisto on kerätty PRH:n (Patentti- ja rekisterihallituksen) Virre- tietopalvelusta. Kaupparekisteritiedot ovat julkisia, joten Virre-tietopalvelun kautta kuka tahansa pystyy saamaan yritysten kaupparekisteriotteet, yhteisösäännöt (kuten yhtiö- järjestykset), tilinpäätökset sekä kaupparekisteri-ilmoitukset liitteineen maksua vas- taan. Viimeiset kaupparekisteristä löytyvät tilinpäätökset Pallohonka Oy:n osalta olivat tilikausilta 1.12.2011-30.11.2012 ja 1.12.2012-30.11.2013, sekä Jääkiekko Espoo Oy:n osalta tilikausilta 1.5.2013-30.4.2014 ja 1.5.2014-30.4.2015. Pallohonka Oy:n tilikauden 1.12.2010-30.11.2011 ja Jääkiekko Espoo Oy:n tilikauden 1.5.2012- 30.4.2013 tilinpäätöstiedot kerättiin myöhempien tilinpäätösten vertailutiedoista. Tä- män jälkeen siirsin tarvittavat tiedot tilinpäätöksistä Excel-taulukkolaskentaohjelmaan, jossa laskin konkurssin ennustamisen menetelmissä tarvitsemani tunnusluvut luvussa 3.4. mainittujen kaavojen mukaan. Seuraavaksi laskin tunnuslukujen avulla valitse- mani konkurssiennustamismenetelmien tulokset ja laadin niistä taulukot, jotka on esitetty neljännessä luvussa.

(24)

3.2. Aineiston kuvailu

Pallohongan viimeisimmästä PRH:n toimitetusta tilinpäätöksen tilikauden loppumishet- kestä konkurssiin ajautumishetkellä oli noin 1 vuosi 4 kk, kun taas Jääkiekko Espoon kohdalla tämä aikaväli oli noin 11 kk, joten molemmilta yhtiöiltä oli saatavissa tilinpää- töstiedot noin vuosi ennen konkurssia. Konkurssit viivästyivät, koska molempien yhti- öiden osalta käytiin kattavia rahoitusneuvotteluja ja Jääkiekko Espoo Oy:n kohdalla yritettiin yrityssaneerausta. Seuraavaksi käyn läpi tilinpäätösaineiston perustietoja, kuten liikevaihdon, koko pääoman, oman pääoman ja nettotuloksen kehitystä ennen konkurssia.

Kuvio 2 Tutkittavien yhtiöiden liikevaihdon kehitys 1-3 vuotta ennen konkurssia

Kuviosta 2 yhtiöiden liikevaihtoa tarkasteltaessa 1-3 vuotta ennen konkurssia voidaan havaita, että Pallohongalla trendi on laskeva koko tarkasteluajalla. Jääkiekko Espoon liikevaihto sitä vastoin kasvaa tarkastellun jakson toisena vuonna, mutta laskee alle ensimmäisen tarkasteluvuoden tason, kun konkurssi lähestyy. Vaihtelu liikevaihdossa kertoo usein muutoksista yhtiön toiminnassa, esim. laskenut liikevaihto korreloi taval- lisesti yhtiön toiminnan supistumisen kanssa. (Leppiniemi & Leppiniemi 2000, 104- 107). Tarkasteluajanjaksolla Pallohongan liikevaihto pienenee 1,8 miljoonasta eurosta 1,0 miljoonaan euroon, eli 42,5 %, mitä voidaan jo pitää merkkinä tulevista ongelmista.

- 500 000,00 1 000 000,00 1 500 000,00 2 000 000,00 2 500 000,00 3 000 000,00 3 500 000,00 4 000 000,00 4 500 000,00 5 000 000,00

3 v. ennen 2 v. ennen 1 v. ennen

LIIKEVAIHTO (€)

Jääkiekko Espoo Oy Pallohonka Oy

(25)

20 Liikevaihdon epätasaisuuskin voi olla indikaatio tulevista vaikeuksista, vaikka Jää- kiekko Espoon liikevaihdossa muutokset eivät olleetkaan yhtä radikaaleja kuin Pallo- hongan liikevaihdon muutokset.

Kuvio 3. Tutkittavien yhtiöiden koko pääoman kehitys vuosina 1-3 vuotta ennen konkurssia

Kuviosta 3 näemme, että Jääkiekko Espoon tase pienenee koko tarkasteluajankohtana. Pallohongan koko pääoma taas kasvaa vielä vuosi ennen konkurssia. Tilinpää- töslukuja tarkasteltaessa voidaan havaita pääoman kasvun johtuvan lisääntyneestä vieraasta pääomasta. Tästä voidaan päätellä, että yhtiö on hakenut ulkoista rahoitusta toimintansa rahoittamiseksi. Näin on toimittu todennäköisesti siitä syystä, ettei yhtiön toiminnasta saaduilla tuotoilla ole pystytty kattamaan toiminnasta aiheutuvia kuluja.

- 500 000,00 1 000 000,00 1 500 000,00 2 000 000,00 2 500 000,00 3 000 000,00

TASEEN KOKO PÄÄOMA (€)

(26)

Kuvio 4. Tutkittavien yhtiöiden oman pääoman kehitys 1-3 vuotta ennen konkurssia

Tarkasteltavien yhtiöiden koko taseen alenemisen syistä yksi on oman pääoman pie- nentyminen. Tutkittavien yhtiöiden oman pääoman kehitys on kuvattu kuviossa 4. Siitä nähdään, että molempien yhtiöiden oma pääoma on laskenut koko ajan konkurssihet- keä lähestyttäessä. Pallohongalla oma pääoma on koko tarkasteluajan ollut negatiivinen, kun taas Jääkiekko Espoon oma pääoma on negatiivinen vasta vuosi ennen konkurssia. Oman pääoman negatiivisuus on hälyttävä varoitus rahoitusongelmista (Lep- piniemi & Leppiniemi 2000, 92). Kuten kuviosta 5 nähdään yhtiöt tekevät molemmat koko ajan tappiota, mistä lopulta seuraa koko oman pääoman menettäminen.

Kuvio 5. Tutkittavien yhtiöiden nettotuloksen kehitys 1-3 vuotta ennen konkurssia (700 000,00)

(200 000,00) 300 000,00 800 000,00 1 300 000,00

OMA PÄÄOMA (€)

(1 600 000,00) (1 400 000,00) (1 200 000,00) (1 000 000,00) (800 000,00) (600 000,00) (400 000,00) (200 000,00) -

NETTOTULOS (€)

(27)

22 Nettotuloksen jatkuva negatiivisuus indikoi, ettei operatiivinen toiminta ole yhtiöissä kestävällä tasolla, vaan toimintaa tulisi muuttaa, jotta mahdolliset rahoitusongelmat pystyttäisiin välttämään. Jo tilinpäätöstietoja tulkitsemalla pystytään arvioimaan, että yhtiöt eivät ole taloudellisesti hyvässä asemassa. Empiriaosuudessa tutkitaan sitä, päästäänkö konkurssin ennustamisen menetelmillä samoihin tuloksiin.

3.3. Toimialan kuvaus

Urheiluliiketoiminnassa yksikään yhtiö ei pysty tuottamaan tuotettaan yksin, sillä siihen tarvitaan vastustaja. Myös ottelujen määrä, eli tuotannon määrä, tulee yhtiölle annet- tuna. Kysyntää joukkueurheilussa kasvattaa ottelujen tuloksiin liittyvä epävarmuus ja tästä johtuva jännitys. Quirk & Fort:n (1992) tutkimuksen mukaan mielenkiinnon säilyt- tämiseksi urheiluliigojen tulee varmistaa, ettei mikään joukkue ole liian ylivoimainen tai liian heikko suhteessa muihin kilpailijoihin. Jos sarjasta tulee liian epätasapainoinen pelaajalahjakkuuksien suhteen, niin mielenkiinto heikompia joukkueita kohtaan pienenee ja pikkuhiljaa samoin käy myös vahvoille joukkueille. Alan tutkimuksessa yhtiöt jaotellaan usein tuoton maksimointia painottaviin tai taloudellisia ja urheilullisia tavoit- teita yhdistäviin, hyötyä maksimoiviin seuroihin. Ammattilaisurheilusta on nykyään tul- lut niin kallista, ettei rikkaimmillakaan omistajilla ole varaa jättää taloutta kokonaan huomioimatta. (Quirk & Fort 1992, 243; Dawson & Downward 2000, 20-28)

Urheiluseuroilla on kuitenkin edelleen vallalla toimintatapoja, joiden mukaan urheilul- lista menestystä tulisi tavoitella taloudellisia rajoitteita ajattelematta. Tämä ei tieten- kään ole kestävä tapa toimia vaan taloudellisen kannattavuuden ja urheilullisen me- nestyksen vastakkainasettelusta tulisi päästä eroon mahdollisimman nopeasti. Vas- takkainasettelun sijaan tulisi keskittyä toimintatapojen uudistamiseen ottaen huomioon molemmat edellä mainitut näkökohdat. (Dawson & Downward 2000, 20-28) Suomessa näin toimii jo muutama ammattimaisesti järjestäytynyt urheiluseura esim. HJK (Helsin- gin jalkapalloklubi). Urheiluseurojen pääasiallisina tuloerinä voidaan liitteinä olevien ti- linpäätösten perusteella pitää sponsorituloja, pääsylipputuloja sekä muita liiketoimin- nan tuloja. Suurimpia kulueriä ovat taas henkilöstökulut, varusteet sekä myynti ja mark- kinointikulut.

(28)

4. Z-LUVUN JA SIITÄ JOHDETTUJEN MENETELMIEN TESTAUS

Empiriaosuudessa tarkoitus on selvittää, miten Altmanin Z-luku ja siitä suoraan johdetut konkurssin ennustamisen menetelmät soveltuvat urheilutoimialan yhtiöiden konkurssiriskin arvioimiseen. Tarkoitus on siis käyttää neljää menetelmää Altmanin Z-lukua, Prihtin Z-lukua, Sharman ja Mahajanin kriisitunnuslukua sekä Laitisen Z-lukua.

Tarkoitus on siis laskea nämä neljä tunnuslukua ja tarkastella sitä, mikä näistä soveltuu parhaiten ennustamaan konkurssia valituissa yhtiöissä, ja mistä mahdolliset erot tulok- sissa johtuvat. Menetelmiä sovelletaan Jääkiekko Espoo Oy:n ja Pallohonka Oy:n ti- linpäätöstietoihin 1-3 vuotta ennen yhtiöiden konkurssiin ajautumista.

4.1. Altmanin Z-luku

Tutkimuksessa tarkasteltavat yhtiöt ovat yksityisiä yrityksiä ja ovat palveluliiketoimin- taan keskittyviä, joten Altmanin Z-luvuista käytetään aikaisemmin esitettyä Z’’ mallia.

Taulukko 3. Altmanin Z’’ mallin tulokset

Mallin tunnusluvut on laskettu liitteinä olevien tilinpäätösten perusteella ja laskennan tulokset on koostettu Taulukkoon 3. Taulukossa on molempien tarkasteltavien yhtiöi- den tunnusluvut sekä mallin kriittinen piste, sekä vastaus kysymykseen ennustaako malli konkurssin oikein.

Jääkiekko Espoo Oy 2013 2014 2015 Pallohonka Oy 2011 2012 2013

X1 - 0,36 - 0,56 - 0,85 X1 - 0,17 - 0,03 0,26

X2 - 0,54 - 0,86 - 1,68 X2 - 0,42 - 0,92 - 0,60

X3 - 0,53 - 0,40 - 0,63 X3 - 0,14 - 0,30 0,02

X4 0,99 0,30 - 0,03 X4 - 0,22 - 0,43 - 0,33

Z''-LUKU - 6,61 - 8,84 - 15,28 Z''-LUKU - 3,72 - 5,72 - 0,42

Ennustaa konkurssin? Kyllä Kyllä Kyllä Ennustaa konkurssin? Kyllä Kyllä Kyllä

Kriittinen piste

Konkurssiyhtiö <1,10

Toimiva yhtiö >2,60

Harmaa alue 1,10-2,60

(29)

24 Altmanin Z’’-luvun kriittinen piste on konkurssiyhtiölle 1,10, eli tätä pienemmän Z’’-luvun saavat yhtiöt ovat mahdollisia konkurssiyrityksiä (Altman 2010). Z’’-luku on mo- lemmilla yhtiöillä selvästi alle kriittisen pisteen, joten mallin ennustamiskykyä voi tässä tapauksessa pitää hyvänä. Z’’-luvun kehitys on Jääkiekko Espoo Oy:llä odotettu, eli konkurssin lähestyessä luku osoittaa suurempaa konkurssiriskiä. Hieman yllättävää on kuitenkin se, että Pallohonka Oy:n Z’’-luku heittelehtii tarkasteluajankohtana. Se huononee ensin, mutta vuosi ennen konkurssia se paranee selvästi, joskin on vieläkin kriittisen pisteen alapuolella. Tarkasteltaessa niiden tunnuslukujen kehitystä, joista Z’’-luku koostuu, pystytään havaitsemaan, että rahoitusomaisuuden kasvu ja tuloksen paran- tuminen ovat syyt tämän muutoksen takana. Eli vaikka Pallohongan Z’’-luku paranee välillä niin molempien yhtiöiden konkurssitunnuslukujen tulokset ovat samansuuntaiset kuin aikaisemmin tässä tutkimuksessa pelkästä tilinpäätösinformaatiosta johdetut pää- telmät.

4.2. Prihtin Z-luku

Alla olevaan taulukkoon 4 on, samojen periaatteiden mukaan kuin edellä Altmanin Z- luvun osalta, kirjattu Prihtin Z-luvun laskemiseen tarvittavat tunnusluvut, itse Z-luku ja myös tieto siitä, pystyykö tunnusluku ennustamaan konkurssin.

Taulukko 4. Prihtin Z mallin tulokset

Prihtin teoreettinen kriittinen piste on hänen tutkimuksensa mukaan -4.55. Yhtiöt, jotka saavat tätä lukua pienemmät arvot luokitellaan konkurssiyhtiöiksi. (Prihti 1975) Kuten

X1 - 53,78 - 30,74 - 67,28 X1 - 19,03 - 39,34 - 1,78

X2 - 38,70 - 60,82 - 87,59 X2 - 17,32 - 3,44 26,28

X3 50,18 76,81 103,48 X3 128,82 175,67 149,30

PRIHTIN Z-LUKU - 5,86 - 6,47 - 10,10 PRIHTIN Z-LUKU - 7,48 - 10,43 - 6,70 Ennustaa konkurssin? Kyllä Kyllä Kyllä Ennustaa konkurssin? Kyllä Kyllä Kyllä Kriittinen piste

Konkurssiyhtiö <-4,55 Toimiva yhtiö >-4,55

(30)

Altmanin Z-lukukin Prihtin Z-luku määrittelee molemmat yhtiöt 1-3 vuotta ennen konkurssia konkurssiyhtiöiksi. Jääkiekko Espoon tunnusluku huononee konkurssihetkeä lähestyttäessä, kuten tapahtui myös Altmanin Z-luvun kanssa, mutta Pallohongan tun- nusluvussa tapahtuu taas heittelyä tarkasteluaikavälillä. Silti, koska molemmat yhtiöt on oikein luokiteltu konkurssiyhtiöksi kummassakin mallissa, voidaan malleja pitää te- hokkaina.

4.3. Sharman ja Mahajanin kriisitunnusluku

Sharman ja Majahanin kriisitunnusluvun laskemiseen tarvitaan vain kokonaispääoman tuottoprosentin sekä current ration tunnusluvut. Kriisitunnusluku on erilainen kuin aikaisemmin käytetyt tunnusluvut, koska mallissa on määritelty jokaiselle laskettavalle vuodelle oma laskukaava. (Sharma & Mahajan 1980, 88) Koska tutkimuksen tavoitteena on saada selville, ajautuuko yhtiö konkurssiin seuraavan kolmen vuoden aikana, joudutaan tunnusluku laskemaan kolmella erilaisella kaavalla, jotka on esitetty tutkimuksen teoriaosuudessa. Laskennan tulokset ovat näkyvissä taulukossa 5.

Taulukko 5. Sharman ja Mahajanin kriisitunnusluku mallin tulokset

Sharman ja Mahajanin kriisitunnusluvun mallissa kriittinen piste on määritelty nollaksi.

Tämä tarkoittaa, että kaikki negatiiviset arvot ovat merkkejä konkurssin uhasta, kun taas positiiviset arvot tarkoittavat toimivaa yhtiötä. (Sharma & Mahajan 1980, 87).

X1 - 52,81 - 29,20 - 63,01 X1 - 14,43 - 30,10 2,25

X2 0,29 0,27 0,18 X2 0,85 0,97 1,37

Z1-LUKU - - - 230,88 Z1-LUKU - - 9,68

Z2-LUKU - - 86,79 - Z2-LUKU - - 89,09 -

Z3-LUKU - 415,49 - - Z3-LUKU - 111,80 - -

Ennustaa konkurssin? Kyllä Kyllä Kyllä Ennustaa konkurssin? Kyllä Kyllä Ei Kriittinen piste

Konkurssiyhtiö < 0

Toimiva yhtiö > 0

(31)

26 Sharman ja Mahajanin kriisitunnusluvun tulokset poikkeavat Altmanin Z-luvun ja Prih- tin Z-luvun tuloksista. Se ei noudata niissä nähtävissä olevaa trendiä. Jääkiekko Es- poon osalta tunnusluvun arvot vaihtelevat suurella varianssilla, mutta ovat alle nolla, jolloin jokaisena kolmena tarkasteluvuotena yhtiö määritellään oikein konkurssiyhti- öksi. Pallohongan osalta tulokset ovat vielä mielenkiintoisempia, koska kriisitunnusluku näyttää paranevan, kun lähestymme konkurssiajankohtaa, jopa niin paljon, että vuosi ennen konkurssia malli määrittelee yhtiön väärin toimivaksi yhtiöksi. Kun tarkastelee tunnuslukuja, joista malli koostuu, pystytään havaitsemaan, että Pallohongan current ratio paranee mitä lähemmäs konkurssiajanhetkeä tulemme. Tämä osaltaan selittää kriisitunnusluvun paranemista kohti konkurssia. Menetelmää ei voi pitää tehok- kaana, sillä se ei pysty määrittelemään Pallohonkaa konkurssiyhtiöksi vuosi ennen konkurssia, jolloin konkurssin uhan pystyi havaitsemaan jopa vain tilinpäätöksen ta- setta ja tuloslaskelmaa tulkitsemalla.

4.4. Laitisen Z-luku

Laitisen kolmen muuttujan Z-luku koostuu seuraavista tunnusluvuista: rahoitustulosprosentti, quick ratio ja omavaraisuusaste (Laitinen 2000, 222). Tunnusluvut on laskettu ja tiedot on kerätty yhteen taulukossa 6.

Taulukko 6. Laitisen Z mallin tulokset

X1 - 34,61 - 22,63 - 42,06 X1 - 8,43 - 19,78 - 1,73

X2 0,25 0,22 0,16 X2 0,85 0,97 1,37

X3 51,9 % 24,1 % -3,7 % X3 -28,8 % -75,7 % -49,3 %

Z-LUKU - 57,45 - 36,83 - 72,15 Z-LUKU - 3,08 - 21,77 16,06 Ennustaa konkurssin? Kyllä Kyllä Kyllä Ennustaa konkurssin? Kyllä Kyllä Kyllä Kriittinen piste

Konkurssiyhtiö < 18

Toimiva yhtiö > 18

(32)

Kriittinen arvo on 18 Laitisen Z-mallissa, joka tarkoittaa, että tätä heikommat arvot saava yhtiö määritellään konkurssiyhtiöksi menetelmän mukaan (Laitinen 1990, 223).

Laitisen mallinkin mukaan molemmat yhtiöt on määritelty konkurssiyhtiöiksi 1-3 vuotta ennen konkurssia. Tosin tunnusluvun arvot heittelevät rajusti tarkasteluaikavälillä, jopa niin, että Pallohongan arvo lähentelee kriittistä arvoa vuosi ennen konkurssia. Tästä huolimatta malli onnistuu siis luokittelemaan yhtiöt konkurssiyhtiöiksi, joten mallin tuloksia voidaan pitää paikkansa pitävinä.